vidensbase om smart plastics

Udtrykket "Internet of Things" beskriver netværksforbundne maskiner, der kommunikerer uafhængigt med hinanden uden menneskelig indgriben. Et illustrativt eksempel er et køleskab, der bruger sensorer til at registrere, når der ikke er mere mælk tilbage, eller når en bestemt minimumsmængde er nået, og som bestiller friske forsyninger fra det tilsluttede supermarked via et netværk. I modsætning til det normale internet, hvor en bruger foretager et input på en slutenhed, handler systemerne her uafhængigt, maskine-til-maskine (M2M).

Det er ikke altid muligt at forudse og forhindre fejl i systemer. Hvis en energikæde f.eks. går i stykker, kan hele systemet - og ikke kun selve energiforsyningen - tage skade og lukke ned i lang tid. Men hvis der er installeret en EC.B-sensor til bruddetektering i e-kæden, registrerer den en defekt som f.eks. et brud på et tidligt tidspunkt og udløser enten et signal eller lukker hele maskinen ned via en NC-kontakt. Sensoren forhindrer dermed yderligere skader og totalt maskinsvigt, dvs. et "crash". Vores sensorer til forebyggelse af nedbrud beskytter maskiner mod større defekter, fejl og nedetid, så man i sidste ende undgår uplanlagte omkostninger.

Industri 4.0 er et projekt fra den tyske forbundsregering om digitalisering af industriproduktionen. Tanken bag er, at produktionsprocesser ikke kører side om side som individuelle processer, men er digitalt forbundne med moderne kommunikationsteknologi. Alle komponenter som maskiner, produkter, logistik og selvfølgelig mennesker kommunikerer med hinanden. Målet med dette digitale netværk er en velintegreret og effektiv selvorganisering af produktionen, som udnytter ressourcerne økonomisk. Industri 4.0 er nu blevet et populært begreb for alle, der er involveret i at digitalisere deres virksomhed, fra ordreindgang til maskinovervågning.

Forudseende vedligeholdelse betyder, at det ideelle tidspunkt for vedligeholdelsesforanstaltninger kan bestemmes. Det er muligt, når systemer er udstyret med sensorer, der rapporterer slid og brug af komponenter. Ideelt set sammenlignes foruddefinerede driftsdata og reelle brugsdata via en IoT-onlineforbindelse, så det ideelle tidspunkt for effektiv vedligeholdelse kan beregnes til en drift, der sparer omkostninger og bevarer ressourcer.